SlideShare a Scribd company logo
自己相似集合上の
グリーン関数の最大値




 京都大学大学院 情報学研究科
複雑系科学専攻 応用解析学講座
   修士課程 下野寿之
自己相似集合上の解析
 ディリクレ形式・ラプラシアン
                 ・拡散過程

確率論的アプローチ
           – 楠岡・ Goldstein
解析的アプローチ (p.c.f. 自己相似集
合)
                     - 木上
•       • •
                   •            •
                              • •
                             • • •

  • •       • • •
                            • • • •
                           • • • • •
    V0         V1            V2
                                          K = U i ≥0 Vi
                                シルピンスキガスケット
                       •
p の隣接点
                • •
         Vm, p • • • 赤丸 •   p
                           :
             • • • • 青丸 • : V の元
                             m, p
           • • • • •

差分作用素                      Vm            Vm
              Lm : ¡                →¡        を
( Lm u )( p ) :=       ∑ ( u (q) − u ( p) )
                   q ∈Vm, p 隣接点との差分の和


▼ Lmは離散的なラプラシアンである
電気抵抗回路の構成
                                                                         2
                                         3                         3
                                         5                          
                                                                   5




      C0                            C1                        C2



                                                               Vm
回路 Cm の Vm の各端子に電圧分布 u ∈ ¡                                           を
与えると、端子p ∈ Vmから湧出する電流 i p は
            m                                         m
     5                                       5
ip =  
      3
                  ∑       ( u (q) − u ( p) ) =  
                                                3
                                                          ( Lmu ) ( p)
                q∈Vm, p
m
                  5
Em ( u , v ) := −  
                  3
                             ∑ u ( p ) g( Lmv ) ( p )
                          p∈Vm
を u , v ∈ Vm  
             に対して定義。

                     {
▼ Em ( u , u ) = min Em +1 ( v, v ) ; v |Vm = u    }
            の単調性が成り立つ。
  ▼ Em ( u , u ) は電圧分布 u を与えた
    回路 Cm の消費電力に等しい。


                                (
     E ( u , u ) := lim Em u |Vm , u |Vm
                  m→∞
                                              )
     F := { u ∈ C ( K ) ; E ( u, u ) < ∞ }
        ▼      ( E, F )      は二次形式。
ラプラシアン
ラプラシアン∆ は

 3 m            −→ ∆ u
   5 Lmu        −→           ( m → ∞)
 2
で定義される。
∆の定義域をD とする。
        s


ガウス・グリーンの公式
u |V = v |V = 0V であるような
   0       0     0
u ∈ F , v ∈ D iに対して

- ∫ u ∆v d µ = E ( u , v )
  K
グリーン関数 g ( x, y )


∃
    g : K × K 上の連続関数 s . t .
     ∆u = f
    
    u = 0                ( ポアソン方程式 )
     | V0
            V0

  ⇔ u ( x ) = − ∫ g ( x, y ) f ( y ) d µ y
                 K
g をグリーン関数と呼ぶ。


▼ g ( x, x ) ≥ g ( x, y ) = g ( y , x ) ≥ 0
グリーン関数の形状




  {   g ( x, x) } x∈K
シルピンスキガスケッ
  トに座標を与える
                              •
               p1 = π (1) = π (111...)
                  •
                 K11

             K12             K13

             • π (231)
                    •

                         •
     K 212     = π (213)
                               K3
 K 222
 •                                       •
p = π (222..)                 p 3 = π (333..)
 2
主要定理
                            • •      • •      • •
     { ξ i } i=1..6:= π {12321,13231,21312,
                            • •     • •      • •
                        23132,31213,32123}
                      • •
                  12321は12 321 321.....を表す。

  cma x := 178839 / 902500 = 0.1981595567..

            = cma x ( x, y ) ∈ {ξ i , ξ i}i =1..6
           
g ( x, y ) 
            < cmax ( x, y ) ∈ K × K  {ξ i , ξ i}i =1..6
           
                    が成り立つ。
最大値を与える点


                                  1
                  •       •                          •   •
          π (12321)                        π (13231)
                              •       •


     •    •
π (21312)
                  •                              •


   2
                                                         •   •
                                             π (31213)

              •
         π (23132)
                      •
                              •        •
                                             •
                                      π (32123)
                                                     •   3
g ( x, x) の意味
g ( x, x) は境界V0の点同士を短絡させたものと
x の間の( E, F ) から決まる抵抗になっている。
i.e.
                 u∈F
                       {
       g ( x, x) = max E ( u, u )
                                    −1
                                                                }
                                         ; u |V = 0V , u ( x) = 1
                                             0      0



 max g ( x, x) を与える x は抵抗距離でV0 から
最も遠い点。




           R
Near Diagonal Formula
  w w2 gggwm
   1
G jk                          •                 • 
           := g  π ( w1 g g m j ), π ( w1 g g m k ) 
                          gw                gw
                                                    



                           w
                 GG                   wi


                                                     m
       ∅                  wi           wt      3 i
    G =0V ×V , G = Ai G                   Ai +   B
         0 0                                   5
                                            が成り立つ。
         5    0 0           2    2 1            2    1 2
       1                  1                   1          
   A1 =  2    2 1 ,   A2 =  0    5 0,     A3 =  1    2 2
       5                   5                    5
         2    1 2          1    2 2           0    0 5
          0    0 0           3    0 1            0    0 0
        3                  3                   3          
  B1 =  0      3 1  , B2 =  0     0 0  , B3 =  0      3 1
       50                  50                   50 
          0    1 3          1    0 3           0    1 3
補題 
       −|w|
 3                           9
            (G w − c) < −       ⇒ max g ( x, x ) < c
5                            20   x∈K w

                                           • •
{w ; K w ⊆ K 22 ∪ K 21  π (21312)}の
( 含有関係により v
      Kw ⊆ K                              ) 極大な各元
wに対して
                −|w|−10
 max  
          3
v:|v|=10  5 
                          (
               G wv − cma x ≤ −
                 jk
                                9
                                20
                                           )
が成り立てば主要定理が成り立つ。
主要定理の証明
| w | ≤ 5) 全ての場合を計算(#)。
 ∃
     { H n } n=1..6 :
                 −10
 max  
          3
v:|v|=10  5 
                   (     v
                       H ∀n − cma x   )      9
                                          ≤ − を計算(#)。
                                             20
                   −|w|
            3
| w | ≥ 6)              (G w − cma x ) ≤ H ∃n − cma x
           5
 を証明。
  はMapleによる有理数の誤差なしの厳密な計算。
(#)
補題 
       −|w|
 3                           9
            (G w − c) < −       ⇒ max g ( x, x ) < c
5                            20   x∈K w

                                        • •
{w ; K w ⊆ K 22 ∪ K 21  π (21312)}の
( 含有関係により v
      Kw ⊆ K                          ) 極大な各元
w に対して
                −|w|−10
 max  
          3
v:|v|=10  5 
                          (
               G wv − cma x ≤ −
                 jk
                                9
                                20
                                        )
が成り立てば主要定理が成り立つ。
主要定理の証明
| w | ≤ 5) 全ての場合を計算(#)。
 ∃                                       9
     { H n } n=1..6 : max        v
                               H ∀n   ≤ − を計算(#)。
                    v:|v|=10             20
                   −|w|
            3
| w | ≥ 6)              (G w − cma x ) ≤ H ∃n
           5
 を証明。
  はMapleによる有理数の誤差なしの厳密な計算。
(#)

More Related Content

PDF
統計概論 isseing333
PDF
スペクトラル・クラスタリング
KEY
prml4.1.3-4.1.4
PDF
Prml 4.1.1
PDF
最急降下法
PDF
PRML 10.4 - 10.6
PDF
20170327_レムニスケートにまつわる色々な計算
PDF
20150922_楕円関数とおもしろい応用
統計概論 isseing333
スペクトラル・クラスタリング
prml4.1.3-4.1.4
Prml 4.1.1
最急降下法
PRML 10.4 - 10.6
20170327_レムニスケートにまつわる色々な計算
20150922_楕円関数とおもしろい応用

What's hot (19)

PPTX
ラビットチャレンジレポート 機械学習
PPTX
ラビットチャレンジレポート 応用数学
PDF
ディジタル信号処理の課題解説 その3
PDF
ディジタル信号処理 課題解説(その3) 2014年度版
PDF
ディジタル信号処理 課題解説(その1) 2014年度版
PDF
ディジタル信号処理 課題解説 その4
PDF
ディジタル信号処理の課題解説
PDF
線形計画法入門
PDF
Infinite SVM [改] - ICML 2011 読み会
PDF
パターン認識 第12章 正則化とパス追跡アルゴリズム
PDF
スペクトラルグラフ理論入門
PPTX
TopCoder SRM614 解説
PDF
回帰
PDF
TokyoNLP#7 きれいなジャイアンのカカカカ☆カーネル法入門-C++
PDF
Linera lgebra
PDF
パターン認識と機械学習 §6.2 カーネル関数の構成
PDF
Infinite SVM - ICML 2011 読み会
PDF
はじめてのパターン認識 第6章 後半
PDF
曲線から多様体まで駆け抜ける微分幾何学入門
ラビットチャレンジレポート 機械学習
ラビットチャレンジレポート 応用数学
ディジタル信号処理の課題解説 その3
ディジタル信号処理 課題解説(その3) 2014年度版
ディジタル信号処理 課題解説(その1) 2014年度版
ディジタル信号処理 課題解説 その4
ディジタル信号処理の課題解説
線形計画法入門
Infinite SVM [改] - ICML 2011 読み会
パターン認識 第12章 正則化とパス追跡アルゴリズム
スペクトラルグラフ理論入門
TopCoder SRM614 解説
回帰
TokyoNLP#7 きれいなジャイアンのカカカカ☆カーネル法入門-C++
Linera lgebra
パターン認識と機械学習 §6.2 カーネル関数の構成
Infinite SVM - ICML 2011 読み会
はじめてのパターン認識 第6章 後半
曲線から多様体まで駆け抜ける微分幾何学入門
Ad

Viewers also liked (20)

PDF
Daftarhadir&nilai statistik1314
PPTX
Alemanya
PPTX
Jump to goal
PPTX
Kuku hjghjhjh
PPTX
Apogee Misses Tom
PPTX
production log continued
PPSX
The place we_call_home_zsp6_sp_27_prezentacja
PPTX
Calidad en entornos SAP
PPTX
Alemanya finalitzat
PDF
2 uu guru&dosen no.14tahun2005
PPT
Natale 2012
PDF
Газовый настенный котел Baxi Luna 3 310 Fi
PPTX
Proiectele e twinning cale spre cunoasterea culturii europene
PPTX
User Participation in Digital Library Development
PPTX
Contemporary issues 04 09-2014
PPTX
Werken bij BAM
PPTX
το μεταναστευτικό κίνημα 1960-1970
PDF
Errenazimentua
KEY
Product Camp Sydney 2012
PPTX
"Marketinq AIR" 2 praktiki marketinq təlimləri
Daftarhadir&nilai statistik1314
Alemanya
Jump to goal
Kuku hjghjhjh
Apogee Misses Tom
production log continued
The place we_call_home_zsp6_sp_27_prezentacja
Calidad en entornos SAP
Alemanya finalitzat
2 uu guru&dosen no.14tahun2005
Natale 2012
Газовый настенный котел Baxi Luna 3 310 Fi
Proiectele e twinning cale spre cunoasterea culturii europene
User Participation in Digital Library Development
Contemporary issues 04 09-2014
Werken bij BAM
το μεταναστευτικό κίνημα 1960-1970
Errenazimentua
Product Camp Sydney 2012
"Marketinq AIR" 2 praktiki marketinq təlimləri
Ad

Similar to Master Thesis (20)

PDF
2013 03 25
PDF
20130921_曲面の微分幾何学
PPT
Introduction to Algorithms#24 Shortest-Paths Problem
PDF
ロマ数16 simizut
PDF
introductino to persistent homology and topological data analysis
PDF
公開鍵暗号7: 楕円曲線の数理
ZIP
今さら聞けないカーネル法とサポートベクターマシン
PDF
Nonparametric Factor Analysis with Beta Process Priors の式解説
PDF
Rによるデータサイエンス:12章「時系列」
PDF
Graph cut5.1 5.2_takmin
PDF
Topic model
PDF
半正定値計画問題と最大カット Sedemifinite Programming and Approximation Algorithm for Maxcu...
PDF
2022年度秋学期 画像情報処理 第5回 離散フーリエ変換,フーリエ変換の実例 (2022. 10. 21)
PDF
シェーダだけで世界を創る!three.jsによるレイマーチング
PDF
公開鍵暗号(4): 楕円曲線における離散対数問題
PDF
複雑ネットワーク 第4章 古典的なグラフ
PDF
公開鍵暗号6: 楕円曲線における離散対数問題
PDF
kibayos beaker-070829
PDF
人生を豊かにする線形代数学
PDF
University CodeSprint 4 - Magic value
2013 03 25
20130921_曲面の微分幾何学
Introduction to Algorithms#24 Shortest-Paths Problem
ロマ数16 simizut
introductino to persistent homology and topological data analysis
公開鍵暗号7: 楕円曲線の数理
今さら聞けないカーネル法とサポートベクターマシン
Nonparametric Factor Analysis with Beta Process Priors の式解説
Rによるデータサイエンス:12章「時系列」
Graph cut5.1 5.2_takmin
Topic model
半正定値計画問題と最大カット Sedemifinite Programming and Approximation Algorithm for Maxcu...
2022年度秋学期 画像情報処理 第5回 離散フーリエ変換,フーリエ変換の実例 (2022. 10. 21)
シェーダだけで世界を創る!three.jsによるレイマーチング
公開鍵暗号(4): 楕円曲線における離散対数問題
複雑ネットワーク 第4章 古典的なグラフ
公開鍵暗号6: 楕円曲線における離散対数問題
kibayos beaker-070829
人生を豊かにする線形代数学
University CodeSprint 4 - Magic value

More from Toshiyuki Shimono (20)

PPTX
インターネット等からデータを自動収集するソフトウェアに必要な補助機能とその実装
PPTX
extracting only a necessary file from a zip file
PPTX
A Hacking Toolset for Big Tabular Files -- JAPAN.PM 2021
PDF
新型コロナの感染者数 全国の状況 2021年2月上旬まで
PDF
Sqlgen190412.pdf
PDF
BigQueryを使ってみた(2018年2月)
PPTX
既存分析ソフトへ
データを投入する前に
簡便な分析するためのソフトの作り方の提案
PPTX
To Make Graphs Such as Scatter Plots Numerically Readable (PacificVis 2018, K...
PPTX
To Make Graphs Such as Scatter Plots Numerically Readable (PacificVis 2018, K...
PDF
Make Accumulated Data in Companies Eloquent by SQL Statement Constructors (PDF)
PPTX
企業等に蓄積されたデータを分析するための処理機能の提案
PPTX
新入社員の頃に教えて欲しかったようなことなど
PPTX
ページャ lessを使いこなす
PPTX
Guiを使わないテキストデータ処理
PPTX
データ全貌把握の方法170324
PPTX
Macで開発環境を整える170420
PPTX
大きなテキストデータを閲覧するには
PPTX
A Hacking Toolset for Big Tabular Files (3)
PPTX
Washingtondc b20161214 (2/3)
PPTX
耐巨大性を備えた表データ分析用コマンド群
インターネット等からデータを自動収集するソフトウェアに必要な補助機能とその実装
extracting only a necessary file from a zip file
A Hacking Toolset for Big Tabular Files -- JAPAN.PM 2021
新型コロナの感染者数 全国の状況 2021年2月上旬まで
Sqlgen190412.pdf
BigQueryを使ってみた(2018年2月)
既存分析ソフトへ
データを投入する前に
簡便な分析するためのソフトの作り方の提案
To Make Graphs Such as Scatter Plots Numerically Readable (PacificVis 2018, K...
To Make Graphs Such as Scatter Plots Numerically Readable (PacificVis 2018, K...
Make Accumulated Data in Companies Eloquent by SQL Statement Constructors (PDF)
企業等に蓄積されたデータを分析するための処理機能の提案
新入社員の頃に教えて欲しかったようなことなど
ページャ lessを使いこなす
Guiを使わないテキストデータ処理
データ全貌把握の方法170324
Macで開発環境を整える170420
大きなテキストデータを閲覧するには
A Hacking Toolset for Big Tabular Files (3)
Washingtondc b20161214 (2/3)
耐巨大性を備えた表データ分析用コマンド群

Master Thesis

  • 2. 自己相似集合上の解析 ディリクレ形式・ラプラシアン ・拡散過程 確率論的アプローチ – 楠岡・ Goldstein 解析的アプローチ (p.c.f. 自己相似集 合) - 木上
  • 3. • • • • • • • • • • • • • • • • • • • • • • • V0 V1 V2 K = U i ≥0 Vi シルピンスキガスケット • p の隣接点 • • Vm, p • • • 赤丸 •   p : • • • • 青丸 • : V の元 m, p • • • • • 差分作用素 Vm Vm Lm : ¡ →¡ を ( Lm u )( p ) := ∑ ( u (q) − u ( p) ) q ∈Vm, p 隣接点との差分の和 ▼ Lmは離散的なラプラシアンである
  • 4. 電気抵抗回路の構成 2 3 3 5   5 C0 C1 C2 Vm 回路 Cm の Vm の各端子に電圧分布 u ∈ ¡ を 与えると、端子p ∈ Vmから湧出する電流 i p は m m 5 5 ip =    3 ∑ ( u (q) − u ( p) ) =    3 ( Lmu ) ( p) q∈Vm, p
  • 5. m 5 Em ( u , v ) := −   3 ∑ u ( p ) g( Lmv ) ( p ) p∈Vm を u , v ∈ Vm   に対して定義。 { ▼ Em ( u , u ) = min Em +1 ( v, v ) ; v |Vm = u } の単調性が成り立つ。 ▼ Em ( u , u ) は電圧分布 u を与えた 回路 Cm の消費電力に等しい。 ( E ( u , u ) := lim Em u |Vm , u |Vm m→∞ ) F := { u ∈ C ( K ) ; E ( u, u ) < ∞ } ▼ ( E, F ) は二次形式。
  • 6. ラプラシアン ラプラシアン∆ は 3 m −→ ∆ u 5 Lmu −→ ( m → ∞) 2 で定義される。 ∆の定義域をD とする。 s ガウス・グリーンの公式 u |V = v |V = 0V であるような 0 0 0 u ∈ F , v ∈ D iに対して - ∫ u ∆v d µ = E ( u , v ) K
  • 7. グリーン関数 g ( x, y ) ∃ g : K × K 上の連続関数 s . t .  ∆u = f  u = 0 ( ポアソン方程式 )  | V0  V0 ⇔ u ( x ) = − ∫ g ( x, y ) f ( y ) d µ y K g をグリーン関数と呼ぶ。 ▼ g ( x, x ) ≥ g ( x, y ) = g ( y , x ) ≥ 0
  • 8. グリーン関数の形状 { g ( x, x) } x∈K
  • 9. シルピンスキガスケッ トに座標を与える • p1 = π (1) = π (111...) • K11 K12 K13 • π (231) • • K 212 = π (213) K3 K 222 • • p = π (222..) p 3 = π (333..) 2
  • 10. 主要定理 • • • • • • { ξ i } i=1..6:= π {12321,13231,21312, • • • • • • 23132,31213,32123} • • 12321は12 321 321.....を表す。 cma x := 178839 / 902500 = 0.1981595567..  = cma x ( x, y ) ∈ {ξ i , ξ i}i =1..6  g ( x, y )   < cmax ( x, y ) ∈ K × K {ξ i , ξ i}i =1..6  が成り立つ。
  • 11. 最大値を与える点 1 • • • • π (12321) π (13231) • • • • π (21312) • • 2 • • π (31213) • π (23132) • • • • π (32123) • 3
  • 12. g ( x, x) の意味 g ( x, x) は境界V0の点同士を短絡させたものと x の間の( E, F ) から決まる抵抗になっている。 i.e. u∈F { g ( x, x) = max E ( u, u ) −1 } ; u |V = 0V , u ( x) = 1 0 0 max g ( x, x) を与える x は抵抗距離でV0 から 最も遠い点。 R
  • 13. Near Diagonal Formula w w2 gggwm 1 G jk  • •  := g  π ( w1 g g m j ), π ( w1 g g m k )  gw gw   w GG wi m ∅ wi wt 3 i G =0V ×V , G = Ai G Ai +   B 0 0 5 が成り立つ。 5 0 0 2 2 1 2 1 2 1  1  1  A1 =  2 2 1 , A2 =  0 5 0, A3 =  1 2 2 5 5 5 2 1 2 1 2 2 0 0 5 0 0 0 3 0 1 0 0 0 3  3  3  B1 =  0 3 1  , B2 =  0 0 0  , B3 =  0 3 1 50  50  50  0 1 3 1 0 3 0 1 3
  • 14. 補題  −|w|  3 9   (G w − c) < − ⇒ max g ( x, x ) < c 5 20 x∈K w • • {w ; K w ⊆ K 22 ∪ K 21 π (21312)}の ( 含有関係により v Kw ⊆ K ) 極大な各元 wに対して −|w|−10 max    3 v:|v|=10  5  ( G wv − cma x ≤ − jk 9 20 ) が成り立てば主要定理が成り立つ。 主要定理の証明 | w | ≤ 5) 全ての場合を計算(#)。 ∃ { H n } n=1..6 : −10 max    3 v:|v|=10  5  ( v H ∀n − cma x ) 9 ≤ − を計算(#)。 20 −|w|  3 | w | ≥ 6)   (G w − cma x ) ≤ H ∃n − cma x 5 を証明。   はMapleによる有理数の誤差なしの厳密な計算。 (#)
  • 15. 補題  −|w|  3 9   (G w − c) < − ⇒ max g ( x, x ) < c 5 20 x∈K w • • {w ; K w ⊆ K 22 ∪ K 21 π (21312)}の ( 含有関係により v Kw ⊆ K ) 極大な各元 w に対して −|w|−10 max    3 v:|v|=10  5  ( G wv − cma x ≤ − jk 9 20 ) が成り立てば主要定理が成り立つ。 主要定理の証明 | w | ≤ 5) 全ての場合を計算(#)。 ∃ 9 { H n } n=1..6 : max v H ∀n ≤ − を計算(#)。 v:|v|=10 20 −|w|  3 | w | ≥ 6)   (G w − cma x ) ≤ H ∃n 5 を証明。   はMapleによる有理数の誤差なしの厳密な計算。 (#)

Editor's Notes

  • #2: 私下野寿之の修士論文の発表をはじめます。 本研究は、自己相似集合のグリーン関数の最大値に関するもので、 特にシルピンスキガスケットの話をいたします。 この内容は、ある別の論文で、最大値及び最大値を与える点について、 予想として記載されていたのですが、それを 私が証明をいたしました。 シルピンスキガスケットは、このスライドの右の図のように、 正三角形から半分の大きさの逆三角形を再帰的にくり抜いてできる図形です。
  • #4: 差分を定義するために、図のように  V_0 , V_1, V_2 ,.. を定義します。 そして、このときにある点  p の V_m  の近傍をスライドの真中のように定義します。 赤い点に隣接する点とは、一本の辺で直接つながっている青い4点です。 もし赤い点が V_0 のような点であれば、その隣接点は 2 点ということになります。 このときに、差分作用素 L_m をスライドのように定義します。 これは点の周りがどれだけ持ち上がっているかを見る量になります。 ( 前のスライドに戻って ) このように差分作用素 L _mを用いると、 シルピンスキガスケットの場合は 定数に 5 のスケーリングをかけて、ラプラシアンが定義できます。
  • #8: シルピンスキガスケット上のグリーン関数は、 ラプラシアンを定義したときにスライドのような ポアソン方程式の解を書き表すときに 積分核として現れます。 ポアソン方程式を考えるために、 ラプラシアンを定義する必要がありますが、 これは差分のスケーリング極限として定義します。
  • #10: ちょっとここで、シルピンスキガスケットの上の点を 表す方法について言及しておきます。 K_1, K_2,K_3 はこれです。
  • #12: では、最大値を与える点はどこであるかですけれど、 それは、図の赤い点で書かれたような6点です。 この6点は、 120 度回転や線対称変換で移りあうような点です。 ひとつ、注意したいのは、グリーン関数は 2変数関数ですので、 最大値を与える点というのは(x,y)で与えられますが、 必ず、対角線にある点 (x,x) での値が  (x,y) での値より大きいということが 知られているので、対角線上の関数として考えたらいいのです。 また、このシルピンスキガスケットでのグリーン関数は、 有界で連続であるという性質を持っています。